Topic / Trend Stable

Spiegabilità e Affidabilità degli LLM Sotto Esame

I ricercatori stanno mappando i circuiti nascosti dei transformer, identificando 'direzioni della verità' nello spazio latente e prevedendo i salti di ragionamento, spingendo verso un'IA più interpretabile e affidabile.

Detected: 2026-08-11 · Updated: 2026-08-11

Fuzzing adattivo svela le crepe delle MLLM: perché l’allucinazione resiste ai benchmark statici

Un nuovo framework di valutazione combina un benchmark a tassonomia unificata con un fuzzing multi-modale auto-adattivo (SAMF) e mostra che i migliori MLLM degradano sotto stress, rivelando uno scollamento tra ragionamento e ancoraggio ai fatti. L’al...

#Hardware #LLM On-Premise #Fine-Tuning

2026-08-10 • ArXiv cs.LG

La verità è un vettore: individuare fake news senza uscire dal modello

Un team di ricerca sfrutta l’activation engineering per estrarre una direzione della menzogna nello spazio latente dei transformer. Senza fine-tuning né recupero di prove esterne, la proiezione dell’ultimo token alimenta un classificatore MLP. Il met...

#Hardware #LLM On-Premise #Fine-Tuning

2026-08-07 • ArXiv cs.CL

Il ragionamento a catena degli LLM diventa prevedibile con un'equazione

Un nuovo framework usa la mean-field approximation per descrivere statisticamente il chain-of-thought reasoning. I token 'indizio' vengono identificati tramite surprisal e le regolarità emerse sono riproducibili e modellabili con un'equazione differe...

#Hardware #LLM On-Premise #Fine-Tuning

2026-08-07 • ArXiv cs.AI

L’Ignition Index misura l’accensione dei LLM: quando la comprensione scatta all’improvviso

Un team di ricerca ha messo a punto una metrica scalare che cattura il momento in cui un modello linguistico passa da un’elaborazione graduale a una comprensione tipo “interruttore”. Il dato concreto: 9,6 volte più selettività per la struttura lingui...

#Hardware #LLM On-Premise #DevOps

2026-08-06 • LocalLLaMA

Scotoma-2: come domare i tic stilistici di Gemma 4 preservandone le capacità

Il progetto Scotoma-2 affronta uno dei problemi più fastidiosi dei LLM moderni: la ripetitività meccanica. Usando ablazione e DPO, riduce i pattern innaturali del modello Google senza intaccare il ragionamento – un caso studio che mostra come il cont...

#LLM On-Premise #Fine-Tuning #DevOps

2026-08-05 • ArXiv cs.LG

Auto-annotazione dei circuiti LLM: la pipeline che elimina il lavoro manuale

Un team di ricerca ha messo a punto una pipeline che usa un LLM per raggruppare automaticamente feature e neuroni in supernodi, ottenendo annotazioni di grafi di attribuzione tanto interpretabili quanto quelle umane. Il metodo, testato su un compito ...

#LLM On-Premise #DevOps

← Torna ai Topic

Spiegabilità e Affidabilità degli LLM Sotto Esame

Articoli Correlati

Fuzzing adattivo svela le crepe delle MLLM: perché l’allucinazione resiste ai benchmark statici

La verità è un vettore: individuare fake news senza uscire dal modello

Il ragionamento a catena degli LLM diventa prevedibile con un'equazione

L’Ignition Index misura l’accensione dei LLM: quando la comprensione scatta all’improvviso

Scotoma-2: come domare i tic stilistici di Gemma 4 preservandone le capacità

Auto-annotazione dei circuiti LLM: la pipeline che elimina il lavoro manuale